Panduan Server AI Ubuntu 26.04 Berbasis pemuda.ai
Buku 60 halaman karya Onno W. Purbo ini memandu Anda membangun server AI sendiri dengan Open WebUI, AnythingLLM, pencarian dokumen (RAG), n8n, bot WhatsApp, dan tool MCP. Semua modelnya dipanggil dari pemuda.ai. Bukunya gratis dan boleh dibagikan.
Server tanpa GPU, model dari pemuda.ai
Seluruh buku memakai satu mesin Ubuntu Server 26.04 dengan RAM 16 GB. Pembuatan teks dan embedding dilakukan lewat API pemuda.ai, jadi server tidak perlu GPU dan tidak menjalankan model sendiri. Server Anda mengurus sisanya: ekstraksi teks, OCR, penyimpanan vektor, otomasi, dan menjalankan tool.
- PenulisOnno W. Purbo
- LembagaInstitut Teknologi Tangerang Selatan · OnnoCenter
- Terbit2026
- Halaman60
- LisensiCC BY 4.0: boleh dipakai, dibagikan, dan diubah, asal nama penulis disebut
- BahasaIndonesia
Yang bisa dilakukan server di akhir buku
- Percakapan AI di Open WebUI
- Workspace dan Agent di AnythingLLM
- Pencarian dokumen dengan RAG
- Menyusun jawaban dan teks dokumen dengan model
- Otomasi dengan n8n
- Bot WhatsApp lewat WAHA
- Help desk sederhana berbasis tiket
- Akses tool lewat MCP
- Membaca isi folder bersama, Excel, DOCX, dan PDF
- Membaca informasi keamanan dari Wazuh
Perangkat lunak di buku ini (Open WebUI, AnythingLLM, n8n, WAHA, Wazuh, server MCP) adalah proyek pihak ketiga yang dipasang di server Anda sendiri. pemuda.ai hanya menyediakan modelnya, lewat API yang kompatibel dengan OpenAI.
Sembilan komponen di dalam buku
Pilih kotak di peta, atau pakai tombol Berikutnya di bawahnya, untuk melihat fungsi setiap komponen, komponen lain yang tersambung dengannya, dan halaman buku yang membahasnya. Jalur atas menjawab pesan WhatsApp berdasarkan dokumen Anda. Jalur bawah berisi agent beserta tool yang bisa dipakainya.
AnythingLLM juga memanggil pemuda.ai untuk chat dan embedding. Indeks dokumennya terpisah dari indeks Open WebUI.
WAHA
Menyambungkan nomor WhatsApp ke server. Sesinya ditautkan dengan memindai kode QR. Setiap pesan masuk diteruskan ke webhook n8n, dan balasannya dikirim lewat API WAHA.
Terhubung ke: n8n. Di buku: hal. 17, 33 sampai 36
n8n
Memeriksa setiap pesan dengan rahasia webhook dan daftar chat penguji, meneruskan perintah ke alur yang sesuai, meminta jawaban RAG dari Open WebUI, dan mencatat tiket help desk di PostgreSQL. Nomor tiket dibuat oleh basis data, tidak pernah oleh model.
Terhubung ke: WAHA, Open WebUI, PostgreSQL. Di buku: hal. 17, 32 sampai 39
Open WebUI
Tampilan chat sekaligus tempat menyimpan Knowledge. Dokumen yang diunggah dipotong-potong, diubah menjadi vektor, lalu disimpan di server. Setiap ada pertanyaan, Open WebUI mencari potongan yang relevan lebih dulu, baru meminta model menyusun jawaban.
Terhubung ke: pemuda.ai. Di buku: hal. 15, 22 sampai 31
pemuda.ai
Satu API Key untuk dua model: model chat untuk menulis jawaban, dan model embedding untuk mengubah teks menjadi vektor pencarian. API-nya kompatibel dengan OpenAI, jadi Open WebUI dan AnythingLLM bisa tersambung tanpa konektor khusus.
Dipanggil oleh: Open WebUI, AnythingLLM, dan n8n bila memanggil model langsung. Di buku: hal. 5, 12, 13, 22
AnythingLLM
Menyediakan Workspace, masing-masing dengan indeks dokumen sendiri, dan Agent yang memanggil server MCP lewat jaringan internal Docker. Penulis mengingatkan bahwa kemampuan model chat memakai tool tersebut (tool calling) masih perlu dibuktikan dengan pengujian.
Terhubung ke: pemuda.ai, MCP Kali, MCP Intel, MCP File, MCP Wazuh. Di buku: hal. 19, 20, 22, 54 sampai 56
MCP Kali
Berisi 27 tool bawaan (pemindaian port, DNS, WHOIS, TLS, audit web) ditambah enam dari buku, jadi 33 seluruhnya. Setiap tool hanya boleh menyasar host yang tertulis persis di daftar izin buatan Anda.
Terhubung ke: host yang diizinkan saja. Di buku: hal. 40 sampai 43
MCP Intel
Membaca feed RSS publik dan catatan domain, hanya lewat HTTPS. Komponen ini tidak mengikuti pengalihan (redirect), membatasi ukuran unduhan, tidak menjalankan JavaScript, dan tidak bisa membuka halaman yang perlu login atau berbayar (paywall). Buku menegaskan bahwa "berita terkini" darinya hanyalah cuplikan RSS saat itu, belum diperiksa redaksi.
Terhubung ke: host publik yang diizinkan. Di buku: hal. 44
MCP File
Membaca folder bersama, lokal atau SMB, tanpa bisa mengubah isinya. Format yang dibaca: TXT, MD, CSV, TSV, LOG, XLSX, DOCX, dan PDF berisi teks, masing-masing paling besar 32 MB. Rumus Excel tidak dihitung ulang, dan PDF hasil pindai tidak di-OCR oleh komponen ini.
Terhubung ke: folder bersama. Di buku: hal. 45 sampai 50
MCP Wazuh
Membuat Agent AnythingLLM bisa membaca daftar agent Wazuh yang aktif dan alert terbaru dari Wazuh Manager dan Indexer, lewat akun yang hanya boleh membaca. Komponen ini berjalan sebagai service systemd. Wazuh sendiri tetap harus dipasang terpisah.
Terhubung ke: Wazuh Manager, Wazuh Indexer. Di buku: hal. 51 sampai 53, 55
Data apa yang dikirim ke pemuda.ai
RAG punya dua jalur: pengindeksan, yang dijalankan sekali untuk setiap dokumen, dan tanya jawab, yang berjalan setiap kali ada pertanyaan. Langkah berwarna merah adalah langkah yang mengirim data ke pemuda.ai.
Indeks dokumen
- PDFBerkas ditaruh di folder masukan.
- Ekstraksi atau OCRPDF berisi teks dibaca langsung. PDF hasil pindai melewati OCR bahasa Indonesia dan Inggris.
- Markdown per topikTeks dipecah mengikuti daftar isi. Sumber dan nomor halamannya ikut dicatat.
- Unggah ke KnowledgeSebuah skrip mengunggah berkas satu per satu ke Open WebUI dan mencatat mana yang sudah selesai.
- Pemotongan teksOpen WebUI memotong teks menjadi potongan sekitar 1.000 karakter. Potongan yang berurutan saling tumpang-tindih 150 karakter.
- EmbeddingTeks setiap potongan dikirim ke model embedding pemuda.ai, lalu dikembalikan dalam bentuk vektor.
- Simpan vektor lokalVektor disimpan di server Anda. Kalau model embedding diganti, semua vektor harus dibuat ulang.
Ajukan pertanyaan
- PertanyaanDiketik di layar chat, atau dikirim dari WhatsApp lewat n8n.
- Embedding pertanyaanTeks pertanyaan dikirim ke model embedding pemuda.ai.
- Pencarian vektor lokalServer mencari potongan yang paling dekat dengan pertanyaan. Buku mengambil empat teratas (top-k 4).
- Potongan relevanPotongan-potongan itu menjadi bahan (konteks) untuk menjawab.
- Model chatPertanyaan beserta potongannya dikirim ke model chat pemuda.ai.
- JawabanJawaban tampil di Open WebUI, atau dikirim balik ke WhatsApp oleh n8n.
Buku menyebutkannya dengan jelas: teks yang dibuat embedding-nya dan potongan yang dipakai sebagai konteks dikirim ke pemuda.ai. Jadi, saat pengindeksan, seluruh isi dokumen terkirim, potongan demi potongan. Berkas asli dan indeks vektornya tetap tersimpan di server Anda. Pesan WhatsApp juga melewati layanan WhatsApp sendiri.
Nama model di buku bisa diganti
Buku memakai nama model demo yang disiapkan untuk penulis selama masa demo. Kalau nama itu tidak ada di akun Anda, pakai model dari katalog kami di bawah ini, atau pilih model lain yang sesuai kebutuhan organisasi Anda.
Di buku
demo-qwen3.7-plus
Ganti dengan
pemuda-qwen3.7-max
atau pemuda-qwen3.7-flash
Di buku
demo-pemuda-embedding-4b
Ganti dengan
pemuda-qwen3.7-text-embedding
atau pemuda-text-embedding-v4
Alamat API-nya tetap https://api.pemuda.ai/v1. Daftar lengkap model yang bisa dipakai organisasi Anda beserta harganya ada di portal, menu Model & Harga. Pilih model embedding dengan cermat sejak awal, karena menggantinya nanti berarti mengindeks ulang semua dokumen.